粗糙集理论在机械故障诊断系统中的应用

本文将粗糙集理论引入机械故障智能诊断系统，通过交换并修改决策模型，剔除原网络中存在的冗长信息。解决了网络规模大，分类识别速度慢等问题。实践证明该方法具有较高的工程应用价值。

机械故障诊断系统中应用AIS-HMM混合模型的可行性分析

机械故障是很多企业都面临的一个难题,尤其是一些生产企业,当机械出现故障时,就会对生产或经营产生影响。当机械故障不能够有效地解决,带来的损失也将会更大。目前已经有很多机械故障的诊断方法,但随着大型机械的不断出现,机械变得越来越复杂,机械故障的诊断也越来越难,传统的诊断方法已经不能够很好地解决一些大型机械系统的故障。人工免疫系统(Artificial Immune System,简称AIS)和隐马尔科夫模型(Hidden Markov Models,简称HMM)在机械故障诊断系统中都可以应用,但它们在应用的时候都存在有不足,那么是否能够将AIS和HMM结合起来应用在机械故障的诊断当中呢?本文将对在机械故障诊断中应用AIS-HMM混合模型的可行性进行分析。如果能够将AIS-HMM混合模型应用在机械故障的诊断当中,将会大大提高机械故障的诊断效率。

并行遗传神经网络及其在机械故障诊断中的应用

在机械故障诊断中,对并发的故障进行诊断是一个备受关注的问题。为此,提出了用并行遗传神经网络诊断并发的故障的新方法。介绍了并行神经网络的结构、遗传算法的建模原理及并行遗传神经网络的结构和诊断机理。以某大型旋转机械为诊断对象讨论了该方法的实现技术,并与传统的BP(back-propagation)网络用于故障诊断的方法进行了比较。实验仿真结果表明,该方法在训练网络过程中能够避免网络陷入局部极小,加快网络训练的速度,减少诊断时间。

在LabVIEW中调用MATLAB的一种方法

LabVIEW和MATLAB是目前工程技术领域中比较流行的两种软件,功能强大但又各自存在着不足,本文介绍了在LabVIEW中通过MATLABScript节点调用MATLAB应用程序的方法及注意事项,从而实现扬长避短,更好发挥各自的长处,例程运行的结果证明这种调用可以很好地实现,并且,这种调用的实现为开发一些大型的系统提供了有力的工具。

Discrete wavelet transform-based fault diagnosis for driving system of pipeline detection robot arm

A real-time wavelet multi-resolution analysis (MRA)-based fault detection algorithm is proposed. The first stage detailed MRA signals extracted from the original signals were used as the criteria for fault detection. By measuring sharp variations in the detailed MRA signals, faults in the motor driving system of pipeline detection robot arm could be detected. The fault type was then identified by comparison of the three-phase MRA sharp variations. The effects of the faults were examined. The simulation results show that this algorithm is effective and robust, it is promising for fault detection in a robot's joint driving system. The method is simple, rapid and it can operate in real time.